?? ? ?? 作為一個(gè)計(jì)算機(jī)視覺(jué)新入門(mén)的小白，第一次嘗試寫(xiě)博客，試著記錄一下學(xué)習(xí)狀況，也為了自己以后方便查閱。

??????? LFW（labeled face in the wild），是人臉識(shí)別比較常用的數(shù)據(jù)集，包含了13,233張圖片，5749人，其中1680有2張或以上的圖片，剩下的4069人只有一張圖片，圖片的獲取，是利用Viola-Jones face detector結(jié)合OpenCV從網(wǎng)絡(luò)獲取，并作了初步的處理，手動(dòng)添加了人名，統(tǒng)一格式為250*250 jpg。附上官網(wǎng)：http://vis-www.cs.umass.edu/lfw/

?? ? ?? 其構(gòu)建目的是為了在不受限環(huán)境下的測(cè)試人臉識(shí)別算法提供方便，在Detection-Alignment-Recognition(DAR) pipline中，完成了Detection部分的工作。官方數(shù)據(jù)集提供了兩種views，view 1：為了試驗(yàn)者用作model selection and algorithm development，分為了兩個(gè)子集，一個(gè)用來(lái)訓(xùn)練，一個(gè)用來(lái)測(cè)試。view 2：for performance reporting，官方建議僅在最終reporting的時(shí)候使用，以防止算法過(guò)度擬合，人為增高準(zhǔn)確率（這里不知道理解的準(zhǔn)確不準(zhǔn)確，如有錯(cuò)誤，望指正）。在view 2 下，分為了10個(gè)子集，可以任選其中9個(gè)來(lái)用作訓(xùn)練，剩下的一個(gè)用來(lái)測(cè)試。每次試驗(yàn)，應(yīng)該獨(dú)立完成，產(chǎn)生10個(gè)對(duì)應(yīng)的不同分類(lèi)器。最終報(bào)告可以以ROC(Receiver Operating Characteristic)曲線和PR(Presicion-Recall)曲線呈現(xiàn)，官方要求至少要給出 準(zhǔn)確率期望（estimated mean accuracy）和平均標(biāo)準(zhǔn)差（standard error of the mean），對(duì)應(yīng)公式如下：

期望：，

平均標(biāo)準(zhǔn)差：其中，方差為

? ? ? ? 官方給出了兩種訓(xùn)練方式的原型：

??????? A： Image-Restricted Training

??????? 在這種方式下，不使用名字（name）作為參考， 比如：（10，12）還有（42,50）這兩對(duì)都是George_W_Bush，但是并不能直接把（10,42）作為已配對(duì)的圖像直接加入訓(xùn)練集。但如果是（1,2），（2,3）匹配，則可以認(rèn)為（1,3）也是匹配的。兩種view都支持這種方式。參見(jiàn)pairsDevTrain.txt、pairsDevTest.txt以及 pairs.txt

??????? B： Unrestricted Training 。

??????? 相比第一種方式，如果出現(xiàn)上述情況，則可以直接把（10，42），（10,50），（12,42），（12,50）都加入數(shù)據(jù)集中。參見(jiàn)peopleDevTrain.txt 、peopleDevTest.txt，但是訓(xùn)練集和測(cè)試集不可以混合使用。在view2數(shù)據(jù)集中，people.txt支持這種模式，但僅僅是用于生成訓(xùn)練集。

更多的細(xì)節(jié)，可以參考官網(wǎng)的tech report，如有出入，已官網(wǎng)為準(zhǔn)。

————————————————2016年11月2日更新——————————————

理想情況下，應(yīng)該有足夠多的數(shù)據(jù)來(lái)保障訓(xùn)練、校正和測(cè)試完全獨(dú)立完成，LFW數(shù)據(jù)集采用一定程度的數(shù)據(jù)復(fù)用，來(lái)擴(kuò)大數(shù)據(jù)集數(shù)量，但為了不虛報(bào)或者人為提高準(zhǔn)確率，官方有如下用法推薦：大致依照如下步驟進(jìn)行

（1）算法改進(jìn)或模型選擇（algorithm development or model selection）

a）使用view1 訓(xùn)練并測(cè)試盡可能多的模型，并做參數(shù)調(diào)整；

b）保持測(cè)試表現(xiàn)最好的模型參數(shù)設(shè)置（model M*）；

（2）展示報(bào)告（performance reporting）

a）直接使用view2數(shù)據(jù)集；

b）循環(huán)i=1到10 （for i = 1 to 10）

?i）通過(guò)聯(lián)合view2下 除了 i 子集的所有子集，形成試驗(yàn) i 的訓(xùn)練集；

ii）將 model M* 的參數(shù)設(shè)置用于該訓(xùn)練集，生成分類(lèi)器 i ；

? ? ? ? iii）使用子集 i 作為測(cè)試集；

iv）在測(cè)試集上記錄分類(lèi)器 i 的結(jié)果；

c）用10個(gè)分類(lèi)器的結(jié)果計(jì)算期望準(zhǔn)確率和平均標(biāo)準(zhǔn)差（?參考上面給出的公式）；

d）最后，確定使用的是那種方式并報(bào)告（image-restricted or unrestricted）。

總結(jié)

以上是生活随笔為你收集整理的LFW阅读笔记的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。